Die präventive Medizin mithilfe kontaktloser Datengewinnung ist ein großer Bereich mit enormen Anwendungspotenzial – nicht nur für die Automobilindustrie. Die Technik „lernt“ ihre Nutze-rinnen und Nutzer kennen, indem sie mit Daten „gefüttert“ wird. Je größer die Datenmenge, desto größer der Erfahrungsschatz, desto besser der Lerneffekt der Maschine. Die Forscher umschreiben dies mit dem Be-griff „Maschinelles Lernen“ und als Teilebereich davon „Deep Learning“. Über mehrschichtige, in die Tiefe gehende Vernetzungen soll die Maschine lernen, aus den vorliegenden Daten die für den Nutzer beste Entschei-dung zu treffen.
Besonders komplex wird es, wenn medizinische Daten ins Spiel kommen, die kompliziert zu erheben und zu interpretieren sind. Weitere wichtige Punkte sind die Erklärbarkeit und die Nachvollziehbarkeit entsprechender Modelle des maschinellen Lernens, d.h. der Mensch muss immer in der Lage sein zu verstehen, wie die Maschinen zu ihren Entscheidungen kommen. Im Endergebnis geht es auch darum, wie man der Technik ethisch vertretbare und faire Entscheidungen „beibringen“ kann.
Die Systems Neuroscience & Neurotechnology Unit (SNNU) unter Leitung von Prof. Daniel Strauss, die zur Medizinischen Fakultät der Universität und zur Fakultät für Ingenieurwissenschaften der htw saar gehört, erforschte in den vergangenen Jahren neurotechnologische Messsysteme, welche über komplexe Vorgänge im menschlichen Körper Aufschluss geben können. Eine große Frage lautet hierbei, wie Maschinen diese Datenmengen sicher und datenschutzkonform nutzen können, um den Menschen besser zu verstehen und um besser auf ihn eingehen zu können.